基于目标不确定度修正的固定式传感器节点选择方法技术

技术编号：40198015 阅读：10 留言：0更新日期：2024-01-27 00:02

本发明专利技术涉及海平面固定平台上固定传感器节点的选择方法，具体为基于目标不确定度修正的固定式传感器节点选择方法。本发明专利技术首先通过对目标不确定度的修正，解决了马氏距离选择法存在方向局限的问题；其次计算节点距目标的距离及加权系数等参数，通过仿真实验对比欧氏距离法、马氏距离法、修正的马氏距离选择法三种方法的节点选择效能，可以得出本发明专利技术所提算法选择的节点数量较少，区域覆盖率最高，覆盖冗余度最小，且在区域内搜索到的目标数量最多，验证了本发明专利技术所提算法的有效性，使固定式传感器覆盖范围最大化的同时减少信息冗余，延长传感器工作时间，以快速搜索目标。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及海平面固定平台上固定传感器节点的选择方法，具体为基于目标不确定度修正的固定式传感器节点选择方法。

技术介绍

1、由于海面环境复杂，在跟踪监视海面目标时出现长时间跨度的丢失，这将会导致目标意图动向不明，无法保证通航环境的稳定。因此，及时发现丢失目标并实现快速捕获至关重要。对再捕获范围进行全覆盖搜索找到所有可能的丢失目标是实现目标快速捕获的前提。本专利技术主要针对环境中固定平台上已部署的传感器节点，研究如何选择固定式传感器以最大化覆盖再捕获范围，在提高搜索效率的同时降低传感器能耗。

2、目前对于传感器节点选择的方法研究主要分为以下几类：一是基于距离的方法。文献[1]中提出了互信息(mi)作为效用度量，选择具有最大mi的节点以实现高精度跟踪。文献[2]中的聚类选择过程中也考虑了误差协方差的跟踪。受欧几里德距离的启发，文献[3]使用马氏距离来评估节点的信息效用，然而该方法仅适用于距离测量。二是基于熵的方法。guo提出了一种基于最大熵模糊聚类的传感器选择方法，以解决大规模传感器网络中的目标跟踪问题[4]。他们在两个层面处理这个问题，传感器层面的跟踪和全球层面的融合。只有可靠节点的子集被选择用于航迹融合。此外，提出了一种改进的传感器选择方法，用于稀疏和密集目标环境中的数据融合。尽管基于熵的方法实现了良好的跟踪精度，但它们涉及大量关于信息熵和互信息熵的计算，并且具有较高的计算复杂性，尤其是在节点数量较多的情况下。此外，基于信息效用函数的节点选择与基于熵的方法类似，如文献[5]中所述。然而，这种方法也具有很高的计算复杂

3、参考文献

4、[1]y.zhang and l.gao,“sensor-networked underwater target trackingbased on grubbs criterion and improved particle filter algorithm,”ieeeaccess,vol.7,pp.142894-142906,2019.

5、[2]x.han,m.liu,s.zhang,and q.zhang,“a multi-node cooperative bearing-only target passive tracking algorithm via uwsns,”ieee sensors j.,vol.19,no.22,pp.10609-10623,nov.2019.

6、[3]a.a.soderlund and m.kumar,“optimization of multitarget trackingwithin a sensor network via information-guided clustering,”j.guid.,control,dyn.,vol.42,no.2,pp.317-334,feb.2019.

7、[4]guo,j.；yuan,x.；han,c.sensor selection based on maximum entropyfuzzy clustering for target tracking in large-scale sensor networks.ietsignal proc.2017,11,613-621.

8、[5]yang,x.g.；zhang,y.c.；wu,x.k.；shan,l.h.；qiu,y.z.；hu,k.l.；zheng,c.l.greedy adaptive sensor selection for energy-efficient targettracking.electron.technol.2017,46,35-38.

9、[6]wenyan liu,xiangyang luo,guo wei,huaixing liu,.node localizationalgorithm for wireless sensor networks based on static anchor node locationselection strategy,computer communications,volume 192,2022,289-298.

10、[7]kim,y.h.greedy sensor selection based on qr factorization.eurasipj.adv.signal process.2021,117(2021).

技术实现思路

1、针对相关节点选择算法仅面向目标跟踪，未考虑节点对区域的覆盖率的问题，本专利技术面向覆盖范围最大化提出了基于目标不确定度修正的固定式传感器节点选择方法。

2、本专利技术是采用如下的技术方案实现的：基于目标不确定度修正的固定式传感器节点选择方法，包括以下步骤：

3、由系统方程递推得到t+1时刻目标所在位置的估计作为椭圆坐标原点，基于传感器节点探测误差确定椭圆的长轴3σx和短轴3σy；

4、其次通过计算传感器节点位置(xi,yi)与目标位置的几何距离与修正系数进而求得各节点的修正马氏距离的信息量δθi为传感器节点测角误差；

5、最后，选择信息量大于设定阈值的传感器节点进行探测。

6、通过将本专利技术方法与欧氏距离法、马氏距离法进行对比，结果表明本专利技术所提方法选择的节点数量较少，区域覆盖率最高，覆盖冗余度最小，验证了该算法的有效性。

本文档来自技高网...

【技术保护点】

1.基于目标不确定度修正的固定式传感器节点选择方法，其特征在于：包括以下步骤：

【技术特征摘要】

1.基于目标不确定度修正的固定式传感器节...

【专利技术属性】
技术研发人员：吉琳娜，杨风暴，苗郁，关玉明，原鹏飞，
申请(专利权)人：中北大学，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人